發(fā)薪日貸款：英雄還是惡棍？

1、工資日貸款：英雄還是惡棍？Adair Morse*Booth School of BusinessUniversity of Chicago摘要高利率的工資日貸款對(duì)于陷入財(cái)務(wù)危機(jī)的個(gè)體究竟是好是壞。以自然災(zāi)害作外生沖擊，我運(yùn)用傾向匹配評(píng)分，三重不同規(guī)范探究了信貸獲得與福利之間的關(guān)系。我發(fā)現(xiàn)災(zāi)后加利福利亞的止贖數(shù)量增加，但是工資日貸款的存在減少了止贖（每1000戶(hù)減少1.2次止贖）,此外還減少了盜竊的發(fā)生，每1000戶(hù)減少2.67次盜竊，但對(duì)入室行竊與車(chē)輛盜竊并沒(méi)有影響。我的結(jié)論適用于遇到緊急狀況的個(gè)人。需要說(shuō)明的是,并不是所有的工資日貸款客戶(hù)都是因?yàn)榫o急事件而借款。 我從以下講座中受益匪淺Be

2、rkeley, Columbia, Duke, the European University Institute, the FDIC, the Federal Reserve Bank of Cleveland, the Federal Reserve Bank of New York, Harvard Business School, MIT, New York University, Northwestern University, Ohio State University, UCLA, University of Chicago, University of Illinois, Un

3、iversity of Maryland, University of Michigan, University of Southern California, Wharton, Yale, the WFA, and the European Summer Symposium in Financial Markets (Gerzensee).此外我還要感謝David Brophy, Michael Barr, Alexander Dyck, Fred Feinberg, E. Han Kim, Amiyatosh Purnanandam, Amit Seru, Tyler Shumway, a

4、nd Luigi Zingales for their helpful comments.人們對(duì)于融資提高企業(yè)價(jià)值鮮有爭(zhēng)議 例如Jayaratne and Strahan (1996); Rajan and Zingales (1998); Levine and Demirguc-Kunt (2001);Dahiya, John, Puri and Ramirez (2003); Guiso, Sapienza and Zingales (2004); Cetorelli & Strahan(2006); Paravisini (2006), etc，但對(duì)消費(fèi)信貸是否為家庭產(chǎn)生福利卻不存在共識(shí)

5、。金融機(jī)構(gòu)可能會(huì)刻意迎合缺乏金融常識(shí)(Campbell, 2006)(Johnson,Kotlikoff and Samuelson, 2001; Stango and Zinman, 2007; Lusardi and Tufano, 2008)或陷入自我毀滅的消費(fèi)狂熱中的人(ODonoghue and Rabin, 2006)，融資只會(huì)使得借款者每況愈下。本文中，我通過(guò)一個(gè)社區(qū)的自然實(shí)驗(yàn)研究財(cái)務(wù)困境下融資渠道對(duì)于信貸受到限制的個(gè)體的福利影響。為信用受限的居民提供貸款的主要是工資日貸款者，他們主要提供短期，小額貸款給借款者以維持他們直到下一個(gè)發(fā)薪日的生計(jì)。其年化利率到400%多。本文中，通過(guò)

6、衡量止贖和小財(cái)產(chǎn)犯罪，我評(píng)估了工資日貸款究竟是緩解還是加劇了借款者的財(cái)務(wù)困境。近20%的美國(guó)居民遭受了經(jīng)濟(jì)上的限制，了解工資日貸款對(duì)于福利的影響是極其重要的。15%的美國(guó)的居民從工資日貸款者那兒貸款，目前這個(gè)市場(chǎng)達(dá)到了一年400億美元的規(guī)模 想要更好的了解這個(gè)市場(chǎng)，可以參考Caskey (1994, 2005); Fannie Mae (2002); Barr (2004); Bair (2005)。面對(duì)不斷增長(zhǎng)的需求，州與聯(lián)邦執(zhí)法者們正在努力的打壓，規(guī)范市場(chǎng)。到目前為止，已經(jīng)有15個(gè)州禁止了工資日貸款。從某個(gè)角度講，工資日貸款者應(yīng)該使個(gè)體平穩(wěn)順利的度過(guò)危機(jī)而不用遭受支票的更大成本，不用支付滯

7、納金，終止和恢復(fù)的服務(wù)，也不會(huì)受到驅(qū)逐和取消贖回權(quán)。他們因以此幫助經(jīng)濟(jì)困難的客戶(hù)度過(guò)難關(guān)。這樣說(shuō)來(lái)，工資日貸款有利于增加福利。另一種相反的觀點(diǎn)是工資日貸款減少福利。從貸款者處得到的資金可能會(huì)誘惑客戶(hù)更多的消費(fèi)。缺少融資的渠道對(duì)容易受到消費(fèi)誘惑的個(gè)體可能更為有利 (Gul and Pesendorfer, 2001; 2004; ODonoghue and Rabin, 2006)。這點(diǎn)上看，工資日貸款減少了福利。工資日貸款究竟是減輕還是增加了借款者的福利，我用自然災(zāi)害做社區(qū)的天然實(shí)驗(yàn)。我用1996-2002年間加利福利亞州郵政編碼作分析。解決貸款者位置的外生性與社區(qū)經(jīng)濟(jì)環(huán)境導(dǎo)致的福利成果是測(cè)量

8、工資日貸款隨時(shí)間影響福利變化的兩大難題。為了克服內(nèi)生性，我建立一個(gè)相符的三重不同框架。實(shí)證模型的一個(gè)簡(jiǎn)單發(fā)散顯示只要我能符合金融上的限制，實(shí)驗(yàn)就能夠發(fā)現(xiàn)財(cái)務(wù)困境對(duì)于個(gè)體福利的影響與工資日貸款者在財(cái)務(wù)困境中所起的作用。陷入財(cái)務(wù)困境的居民的傾向的匹配優(yōu)先于自然實(shí)驗(yàn)。我通過(guò)估計(jì)可能性提出了這些傾向在地區(qū)級(jí)別這些可能性來(lái)源于在SCF中，個(gè)體陷入財(cái)務(wù)困境作為社會(huì)經(jīng)濟(jì)學(xué)特征的一個(gè)功能。然后我通過(guò)將SCF系數(shù)應(yīng)用到普查在社區(qū)級(jí)別觀察到的社會(huì)經(jīng)濟(jì)變量映射這段關(guān)系。匹配本身還不能解決內(nèi)生性，但是使用三重不同規(guī)范卻促進(jìn)了這一論調(diào)。外生性假設(shè)的關(guān)鍵在于無(wú)災(zāi)害的社區(qū)提供了一個(gè)基準(zhǔn)以比較有無(wú)貸款者社區(qū)的福利增長(zhǎng)的差別。

9、這樣，通過(guò)從觀測(cè)到的借款者減去災(zāi)害社區(qū)非借貸的福利增長(zhǎng)再減去基準(zhǔn)，我可以區(qū)分出觀察到的某地區(qū)的借貸者的存在的內(nèi)生性。三重不同規(guī)范模型可能有一個(gè)問(wèn)題沒(méi)能解決。工資日貸款者所在的社區(qū)可能有其獨(dú)特性。在自然災(zāi)害期間，居民會(huì)變得異常的有彈性。我還不確定這點(diǎn)，但是我拋出這一話題通過(guò)用某區(qū)的十字路口的數(shù)量來(lái)檢測(cè)工資日借款者的位置。這基于工資日貸款者傾向于在重點(diǎn)交通和交通主干道集群的事實(shí)(U.S. Department of Treasury, 2000)。因?yàn)槲以谝粋€(gè)時(shí)間框架內(nèi)分析，所以我認(rèn)為十字路口可以作為一種技術(shù)滿(mǎn)足內(nèi)生性假設(shè)。這結(jié)果暗示工資日貸款者對(duì)于陷入財(cái)務(wù)危機(jī)的個(gè)人有著積極地影響。自然災(zāi)害誘發(fā)的

10、止贖案例大幅增加72%,但是工資日貸款的出現(xiàn)使得這個(gè)數(shù)字變?yōu)橐话?，特別是，我發(fā)現(xiàn)危急時(shí)刻獲得信貸可以阻止每1000戶(hù)1.22的止贖。這結(jié)果也暗示工資日貸款減少了金融危機(jī)時(shí)小額財(cái)產(chǎn)犯罪的發(fā)生。我發(fā)現(xiàn)了重要的結(jié)果，只因?yàn)楸I竊，至少判刑的財(cái)產(chǎn)犯罪。自然災(zāi)害導(dǎo)致盜竊增加13%（平均每1000戶(hù)里面有9戶(hù)），獲得信貸可以使每1000戶(hù)里減少2.67戶(hù)盜竊，或者說(shuō)減輕了30%自然災(zāi)害的影響。我設(shè)計(jì)的實(shí)驗(yàn)需要解釋這些結(jié)果。居民也可能在非經(jīng)濟(jì)危機(jī)時(shí)選擇工資日貸款。在工資日借款者的一篇調(diào)查里，Elliehausen and Lawrence (2001)報(bào)告說(shuō)33%的借款并非因?yàn)榫o急需求。某些借款者只是習(xí)慣性的

11、過(guò)度消費(fèi)，用貸款去彌補(bǔ)資金差額。Skiba and Tobacman (2005)提供了相應(yīng)的證據(jù)。這些過(guò)度消費(fèi)者最可能因此受到負(fù)的福利影響。因?yàn)槲覜](méi)有確認(rèn)工資日貸款的凈福利在借款者中的分配，所以我的結(jié)論只能是工資日貸款對(duì)于遇到財(cái)務(wù)危機(jī)的居民提供了有價(jià)值的服務(wù)，并不能分辨給那些習(xí)慣性過(guò)度消費(fèi)者所帶來(lái)的影響。許多其他的文獻(xiàn)也在探索工資日貸款所帶來(lái)的福利影響。表面上看，這些結(jié)果相互矛盾。Morgan 和 Strain (2007)認(rèn)為貸款者福利有所增長(zhǎng)，但是Skiba ，Tobacman (2007) 和 Melzer(2008)認(rèn)為恰恰相反。我認(rèn)為，認(rèn)識(shí)到貸款者的異質(zhì)性還有他們所面臨的環(huán)境 (B

12、ertrand and Morse, 2009a) ，所犯的錯(cuò)誤(Brito and Harvey, 1995; Bernheim and Rangel, 2006;Skiba and Tobacman, 2009; Bertrand and Morse, 2009b)有很重要的意義。文章結(jié)構(gòu)如下。第一部分對(duì)工資日貸款市場(chǎng)進(jìn)行概述。第二部分利用競(jìng)爭(zhēng)力假說(shuō)說(shuō)明其究竟有助于還是有損于福利。第三部分提出三重差異實(shí)證方法與中間傾向得分匹配結(jié)果。第四部分展示了數(shù)據(jù)來(lái)源與統(tǒng)計(jì)簡(jiǎn)介。第五，第六部分分別展現(xiàn)了止贖與犯罪的實(shí)證結(jié)果。第七部分總結(jié)。1.工資日貸款市場(chǎng)近十年有近20%的美國(guó)人遭受了信用限制。(Hal

13、l and Mishkin, 1982; Hubbard and Judd, 1986; Zeldes, 1989; Jappelli, 1990; Gross and Souleles, 2002)從主流銀行，貸款公司和信用卡處無(wú)法貸到款的居民往往會(huì)轉(zhuǎn)向高利貸。盡管工資日貸款每年貸款額超400億美元，但是教科書(shū)中卻少有提及。以汽車(chē)和家庭資產(chǎn)作抵押的貸款提供了更廉價(jià)的選擇，但是因?yàn)槭袌?chǎng)要求有價(jià)值資產(chǎn)的明晰的所有權(quán)，所以貸款的轉(zhuǎn)移額度并不大。除了工資日貸款外，陷入財(cái)務(wù)危機(jī)的居民的主要選擇是銀行透支貸款與空頭支票?？疹^支票依然是一種很常見(jiàn)的獲取資金的方法。盡管年利率取決于借款數(shù)量與持續(xù)時(shí)間，但是空

14、頭支票的成本多多少少要高過(guò)工資日貸款，尤其是某人有不良信用記錄時(shí)。銀行透支貸款與空頭支票有所不同，因?yàn)殂y行提前同意用某種費(fèi)用清掉透支支票。透支貸款在成本方面可以與工資日貸款一比，如果有更長(zhǎng)的點(diǎn)數(shù)，就會(huì)更便宜。如果多個(gè)支票需要清算就會(huì)更貴。我的許多樣本可以廣泛的獲得透支貸款，尤其是那些有不良信用記錄的或者銀行不提供透支貸款的。因此對(duì)于我大部分的樣本來(lái)說(shuō)，沒(méi)有工資日貸款的替代品。 見(jiàn)附錄以便更深的討論為什么工資日貸款沒(méi)有替代品。工資日貸款是怎么運(yùn)作的？個(gè)人帶著最近的支票，支票本或者銀行記錄去工資日貸款點(diǎn)。沒(méi)有銀行記錄或者沒(méi)有工作的就沒(méi)有資格。一筆典型的貸款是300元，費(fèi)用50元。在一個(gè)案例中，一個(gè)

15、借款者會(huì)開(kāi)一張支票或者授權(quán)銀行取錢(qián)，數(shù)額為350元，日期定為工資日，通常有10到14天。貸款者核實(shí)工作與銀行信息，但是不會(huì)做一個(gè)正式的信用評(píng)估。在工資日，如果借款者無(wú)力兌付支票，這常常發(fā)生，她將回到工資日貸款點(diǎn)再為借款籌資，需要再付50元。借款者通常都會(huì)是熟客。根據(jù)Center for Responsible Lending (2004)的報(bào)告，91%的工資日貸款者一年內(nèi)都會(huì)有5次以上借款。（通常是8-13次）2競(jìng)爭(zhēng)力假說(shuō)居民往往會(huì)遭遇到一些緊急狀況（例如醫(yī)療費(fèi)用或者車(chē)輛損毀），這使得他們?nèi)狈ΜF(xiàn)金。銀行并不為此提供資金，因?yàn)樾☆~短期貸款的交易費(fèi)用是巨大的。潛在的借款者處于反高利貸法與更高法律限

16、制的矛盾之中。數(shù)額較小的個(gè)人災(zāi)難會(huì)導(dǎo)致空頭支票，滯納金、效用終止,房屋收回,在某些時(shí)候，還會(huì)止贖，驅(qū)逐和破產(chǎn)。50元費(fèi)用要比這些便宜多了，尤其是工資日借款躲避拖欠在多個(gè)義務(wù)。在這些情況下，工資日貸款者就有如英雄一樣。消費(fèi)者權(quán)益團(tuán)體認(rèn)為，工資日貸款的問(wèn)題不是單一貸款，而是循環(huán)貸款，如果居民不能在一次借貸中還清借款。這個(gè)觀點(diǎn)并不總是正確的。如果居民面臨短期的個(gè)人麻煩，他也許會(huì)愿意以400￥的代價(jià)解決而無(wú)論是否處于財(cái)務(wù)危機(jī)。即使對(duì)于重復(fù)借款者，工資日貸款也增進(jìn)了那些有需要者的福利。在另一方面，消費(fèi)者權(quán)益團(tuán)體也許是對(duì)的。如果工資日貸款會(huì)帶來(lái)過(guò)度消費(fèi)呢？大量的的文獻(xiàn)證明時(shí)間不一致的偏好會(huì)導(dǎo)致偏向性消費(fèi)(

17、e.g., Jones, 1960; Thaler, 1990;Attanasio and Browning, 1995; Stephens, 2006) 和缺少儲(chǔ)蓄(e.g., Thaler andShefrin, 1981; Laibson, 1997; Laibson, Repetto, and Tobacman, 1998; Choi, Laibson and Madrian, 2005)。Gul and Pesendorfer (2001; 2004)ODonoghue and Rabin (2006), and Fudenberg and Levine (2006)的誘惑與自控力模

18、型說(shuō)明工資日貸款所帶來(lái)的現(xiàn)金會(huì)導(dǎo)致偏向性消費(fèi)。在這些模型中，在一些中間期，如果存在事前的自我控制機(jī)制，消費(fèi)欲望可能會(huì)得到抑制。如果禁止工資日貸款，那么消費(fèi)欲望很能會(huì)被降低。宣稱(chēng)缺乏自我控制機(jī)制會(huì)降低福利需要一個(gè)特別的視角。顯示偏好參數(shù)(e.g., Gul and Pesendorfer, 2001;2004)工資日借款人從自發(fā)購(gòu)買(mǎi)中獲得足夠的效用來(lái)抵消未來(lái)消費(fèi)的消極后果。ODonoghue and Rabin (2006)從另一個(gè)視角認(rèn)為工資日貸款就是惡棍。他們把福利看成事前的長(zhǎng)期的。從這個(gè)角度看，消費(fèi)欲望降低了整個(gè)生命周期內(nèi)的效用。如果工資日貸款能夠促進(jìn)消費(fèi)欲望，那么未來(lái)的消費(fèi)就會(huì)降低。 O

19、Donoghue and Rabin (2003) and DellaVigna and Malmendier (2004)的觀點(diǎn)中借款者要么天真到缺乏自我控制力要么不存在承諾機(jī)制。如果不是這樣，個(gè)體就會(huì)自控。借款者可能同時(shí)受制于兩者，不能抵御花費(fèi)的念頭，在貸款很容易的情況下輕易消費(fèi)。從ODonoghue and Rabin (2006)的角度看，如果長(zhǎng)期福利可以增進(jìn)，那么工資日貸款理應(yīng)被禁止。需要注意的是。貸款者可以既是英雄也是惡棍。存在兩種借款者，一種是面臨著個(gè)人緊急事務(wù)，一種則把借款視為例行的商業(yè)活動(dòng)。后者通常會(huì)伴隨著消費(fèi)欲望所帶來(lái)的困擾。Skiba and Tobacman (2005

20、) 認(rèn)為借款者的行為與個(gè)體對(duì)消費(fèi)沖擊的反應(yīng)和時(shí)間不一致偏好的反應(yīng)是一致的。因?yàn)槲覍?shí)證性的設(shè)計(jì)重點(diǎn)是外生性沖擊誘導(dǎo)財(cái)務(wù)危機(jī)，我的結(jié)論可能無(wú)法發(fā)現(xiàn)消費(fèi)欲望的負(fù)面影響。對(duì)于貸款者究竟是英雄還是惡棍還存在爭(zhēng)議，我們必須知道工資日貸款的分配。例如，多大比例的款項(xiàng)被用作幫助人們處理臨時(shí)的困境。Elliehausen and Lawrence (2001)發(fā)現(xiàn)66%的被調(diào)查者借款是為了應(yīng)急?；诖?，可認(rèn)為我的結(jié)論可應(yīng)用于三分之二的工資日貸款。但是我更傾向于低調(diào)的解釋而不是把他用作福利加權(quán)的社會(huì)計(jì)劃。個(gè)人緊急狀況是生活的一部分，因此我才會(huì)發(fā)問(wèn)工資日貸款者是英雄還是惡棍。有一部分借款者的福利我并不了解。我理解響

21、應(yīng)的政策含義。3實(shí)證方法論分析的目的是發(fā)現(xiàn)貸款者的存在對(duì)于福利有什么程度上的影響。財(cái)務(wù)危機(jī)（f)線性影響福利增長(zhǎng)。高利率的貸款者（L）可能會(huì)減輕或者加劇福利。表示時(shí)間t地區(qū)z個(gè)體i福利的變化。表示時(shí)間第一次變化。我指的是福利增長(zhǎng)隨時(shí)間的線性變化。時(shí)間虛擬變量去除了在福利增長(zhǎng)中的任何經(jīng)濟(jì)大幅波動(dòng)，所以個(gè)人財(cái)務(wù)危機(jī)的系數(shù)反映了時(shí)間t個(gè)體i的特定影響。等式式1去除了個(gè)體的福利增長(zhǎng)的固定效應(yīng)，。如果個(gè)體可以接觸到貸款者，指示器變量等于1。在社區(qū)z是否用位置來(lái)定義能接觸到因?yàn)榫用癫粫?huì)跑太遠(yuǎn)去找一個(gè)貸款(Elliehausen andLawrence, 2001)，一個(gè)地區(qū)大約有21，000個(gè)人。在人口稠

22、密的地區(qū)，下一個(gè)社區(qū)可能很近。因此，為了預(yù)測(cè)，我忽略了人口稠密地區(qū)。如果等式1可以被預(yù)測(cè)，主要利率的系數(shù)可以反映接觸到貸款者是怎么作用于財(cái)務(wù)危機(jī)影響福利增長(zhǎng)的。等式還存在三個(gè)嚴(yán)重問(wèn)題。 另一個(gè)問(wèn)題是殘差序列相關(guān)，這個(gè)問(wèn)題可以相對(duì)輕松地被解決。1。從個(gè)體層面來(lái)看測(cè)量福利和個(gè)體財(cái)務(wù)危機(jī)的變量還沒(méi)有實(shí)現(xiàn)。2貸款者的位置是外生的，也許會(huì)導(dǎo)致估計(jì)量偏差。3，財(cái)務(wù)危機(jī)和福利增長(zhǎng)都同時(shí)取決于社區(qū)的經(jīng)濟(jì)狀況這也導(dǎo)致可能存在偏差。在下文，我將對(duì)等式1進(jìn)行一系列變換，并構(gòu)建框架解決這些問(wèn)題。由于缺少數(shù)據(jù)，我將財(cái)務(wù)危機(jī)分為兩類(lèi)：個(gè)人緊急危機(jī)與自然災(zāi)害危機(jī) 在實(shí)證環(huán)節(jié)，我允許危機(jī)的影響隨個(gè)人緊急狀況或自然災(zāi)害而變動(dòng)，

23、但現(xiàn)在我假設(shè)個(gè)體要么資金受限要么充裕。由于兩類(lèi)危機(jī)可以在同一時(shí)間發(fā)生，所以變量可以拆分為：分解的好處在于與貸款者的位置無(wú)關(guān)。準(zhǔn)確的說(shuō)災(zāi)難發(fā)生與貸款者的位置相關(guān)系數(shù)是0.005。另一種數(shù)據(jù)處理辦法是在社區(qū)層面聚合模型，平均社區(qū)的人口。聚合有利于兩方面的簡(jiǎn)化。由于大的自然災(zāi)難地區(qū)相對(duì)較小，我將個(gè)人下標(biāo)i從自然災(zāi)害變量中去除，如果地區(qū)太大那么災(zāi)難就沒(méi)什么影響了。另一個(gè)簡(jiǎn)化是社區(qū)中個(gè)人緊急狀況的平均數(shù)量相當(dāng)于社區(qū)中任一因?yàn)閭€(gè)人緊急狀況陷入財(cái)務(wù)危機(jī)個(gè)體的傾向。代表傾向。我假設(shè)社區(qū)有一個(gè)中期的對(duì)與個(gè)人緊急事務(wù)的傾向（時(shí)間下標(biāo)消失）。個(gè)體可能進(jìn)入或脫離危機(jī)，但是在一個(gè)給定的社區(qū)一段時(shí)間內(nèi)只有固定數(shù)量的個(gè)人陷

24、入危機(jī)。在更長(zhǎng)期內(nèi)，這個(gè)假設(shè)不成立，因此在預(yù)測(cè)中，我把定為三年。和既不可以預(yù)測(cè)也不可以觀測(cè)。通過(guò)簡(jiǎn)化和聚合得到一個(gè)包含所有可得數(shù)據(jù)的等式。 固定影響指的是沒(méi)有危機(jī)和貸款者時(shí)社區(qū)的福利。3.1反事實(shí)框架社區(qū)級(jí)別上的遇險(xiǎn)的分解與組合并不能解決貸款者位置外生性與遺漏變量偏差的問(wèn)題。但是，等式2運(yùn)用三重區(qū)別的方法構(gòu)筑了一個(gè)反事實(shí)框架確實(shí)的解決了這些問(wèn)題?；舅枷刖褪沁\(yùn)用一個(gè)DID對(duì)沒(méi)有遭受災(zāi)難的社區(qū)估測(cè)福利。(DID維度：時(shí)間，有無(wú)貸款者）同時(shí)對(duì)那些遭受自然災(zāi)害卻沒(méi)有受到隨機(jī)的救助的社區(qū)的反應(yīng)做一個(gè)類(lèi)似的DID預(yù)測(cè)。操作如下。treat表示已經(jīng)遭受或?qū)⒁馐転?zāi)難的社區(qū)，cntrl表示沒(méi)有遭受過(guò)的?？梢?/p>

25、接觸到貸款者的社區(qū)我標(biāo)記下標(biāo)L，沒(méi)有的則是N。對(duì)于每一個(gè)可以接觸到貸款者的社區(qū)，想象選擇另一個(gè)沒(méi)有貸款者的社區(qū)，時(shí)間，居民在個(gè)人遇險(xiǎn)時(shí)傾向皆吻合，選擇特定一對(duì)，假設(shè)。用等式2對(duì)這些社區(qū)做一個(gè)DID預(yù)測(cè)。需要注意的是我在所有受控社區(qū)中對(duì)DID做了一個(gè)平均。我不能把這個(gè)預(yù)測(cè)當(dāng)做借貸者對(duì)福利影響的隨意的測(cè)量。有貸款者與無(wú)貸款者社區(qū)福利增長(zhǎng)的區(qū)別在于貸款者位置的外生性與其他貸款者的經(jīng)濟(jì)傾向。同樣的操作得到了DID預(yù)測(cè):在一個(gè)受控的例子中，我不能隨意解釋DID預(yù)測(cè)。福利增長(zhǎng)的不同也許與有無(wú)貸款者相關(guān)但是這些原因卻與災(zāi)難引起的經(jīng)濟(jì)危機(jī)毫不相關(guān)。但是等式2揭示了平均來(lái)看，福利在兩種社區(qū)中如何區(qū)別增長(zhǎng)的。根據(jù)

26、直覺(jué)，最終的區(qū)別從等式4的DID預(yù)測(cè)中減去等式3的DID預(yù)測(cè)。4個(gè)社區(qū)從1到M求平均值，最終預(yù)測(cè)是： 等式5中，我假設(shè)，因?yàn)樯鐓^(qū)固定影響并沒(méi)有受到災(zāi)難的影響。只要樣本足夠大這就成立。另外我認(rèn)為四個(gè)都是在同一時(shí)間發(fā)生，所以去掉了時(shí)間下標(biāo)。只要我在同一時(shí)間里選擇有災(zāi)難和無(wú)災(zāi)難配對(duì)，時(shí)間虛擬變量就可以被省略。我在等式中包含了時(shí)間虛擬變量。獨(dú)立性假設(shè)是不可缺少的條件。如果不存在自然災(zāi)害，那么有無(wú)貸款者社區(qū)的不同的福利增長(zhǎng)將與受到救助的組一樣。假設(shè)基于自然災(zāi)害是隨機(jī)發(fā)生的。盡管貸款者位置外生性與遺漏變量偏差存在，但是這同樣存在于所有的社區(qū)里。任何從外生性導(dǎo)致的偏差分列于誤差項(xiàng)。相應(yīng)的方程是：等式受到限制

27、，所以第二和第四個(gè)系數(shù)相等，第三和第五個(gè)反映了遇到個(gè)人危機(jī)或者自然災(zāi)害對(duì)于財(cái)務(wù)危機(jī)的影響相同。我放松了限制以說(shuō)明結(jié)論的通用性。顯示了危機(jī)對(duì)福利的影響， 顯示了貸款者的存在減少或放大了不同類(lèi)型的財(cái)務(wù)危機(jī)。為了解決Bertrand, Duo and Mullainathan (2004)所討論的序列相關(guān)， 我把各郵政編碼放到一個(gè)觀測(cè)值里反映了在自然實(shí)驗(yàn)里郵政編碼的變化。3.2彈性和工具變量可以認(rèn)為有無(wú)貸款者的社區(qū)災(zāi)難的彈性不同因?yàn)橘J款者的存在。缺失彈性的變量只在特定的條件下出現(xiàn)，因此受控的反事實(shí)框架不會(huì)糾正偏差 技術(shù)上講，前一塊顯示了和，但是這并沒(méi)有排除的可能性。要解決這個(gè)，必須討論為什么有貸款者

28、的社區(qū)與對(duì)照組的沒(méi)有貸款者的社區(qū)反應(yīng)不同。例如，在災(zāi)難時(shí)，貸款者可能出現(xiàn)在聯(lián)系更（不）緊密的社區(qū)。這并不顯著。我解決問(wèn)題首先通過(guò)將受控變量插入可直接衡量彈性的等式7，然后測(cè)量貸款者的位置。對(duì)于止贖，我用商業(yè)的變化測(cè)量彈性，社區(qū)里建立和總體工資支付的數(shù)量通過(guò)人口標(biāo)準(zhǔn)化。還有房產(chǎn)的價(jià)格變化 (Campbell and Cocco, 2006)。對(duì)于小額財(cái)產(chǎn)犯罪，我用兩個(gè)經(jīng)濟(jì)變量加上暴力犯罪的變化來(lái)測(cè)量彈性。我分別用房產(chǎn)價(jià)格變量和暴力犯罪變量直接測(cè)量止贖和小額財(cái)產(chǎn)犯罪的直接影響。用協(xié)變量顯示結(jié)果，我通過(guò)工具變量確認(rèn)我了的工作。變量是2006年一個(gè)區(qū)的十字路口數(shù)量。一個(gè)合適的變量必須滿(mǎn)足兩個(gè)要求：在第

29、一階段相關(guān)。在第二階段滿(mǎn)足排除限制條件。這很容易滿(mǎn)足。根據(jù)美國(guó)財(cái)政部的報(bào)告（2000）工資日貸款者，就像加油站一樣，總是出現(xiàn)在十字路口。這結(jié)果很直觀。在日常生活中，貸款者出現(xiàn)在居民容易接觸到的地方。為了排斥在外限制條件式成立，十字路口必須與福利增長(zhǎng)的無(wú)法解釋的部分不相關(guān)。在匹配的第一時(shí)間差因變量社區(qū)下討論緩解了許多對(duì)排斥外在限制的破壞因素。要想破壞，路口的靜態(tài)測(cè)量預(yù)測(cè)了對(duì)社會(huì)福利的殘差變化。然而，可能存在對(duì)十字路口與人口密度關(guān)系的擔(dān)心。郵局不時(shí)的根據(jù)人口調(diào)整郵政編碼的大小。因此人口密度越大的地方擁有更小的土地面積。對(duì)于有相同人口的配對(duì)社區(qū)來(lái)說(shuō)，土地面積大小是否會(huì)有更多十字路口并不明顯。但因?yàn)槲?/p>

30、將大城市排除出分析，所以可以專(zhuān)心于可以對(duì)比的郵政編碼。更多的十字路口與經(jīng)濟(jì)活動(dòng)的增長(zhǎng)之間的聯(lián)系可能會(huì)有爭(zhēng)議。因?yàn)槲覍?duì)十字路口的測(cè)量是事后（2006）到分析期。在同一時(shí)期，地區(qū)經(jīng)濟(jì)增長(zhǎng)可能會(huì)引起十字路口數(shù)量的增多。這不同。從住宅到商業(yè)的道路變化與新建道路的出現(xiàn)的進(jìn)程都是十分緩慢的。此外，道路并不會(huì)消失，也不會(huì)因?yàn)榻?jīng)濟(jì)活動(dòng)的衰退就消失商業(yè)地塊。但是，即使測(cè)量的事后性不是問(wèn)題，基礎(chǔ)設(shè)施有利于未來(lái)的經(jīng)濟(jì)發(fā)展，在將來(lái)可能會(huì)引起止贖和犯罪的下降因此，在預(yù)測(cè)4中，我建立薪資數(shù)據(jù)控制了經(jīng)濟(jì)活動(dòng)的增長(zhǎng)，在樣本期的末端靜態(tài)的預(yù)測(cè)了4。運(yùn)用在1998年來(lái)自SCF的4300個(gè)人群樣本，估計(jì)這些人最后受這些措施限制的概

31、率。這樣的邏輯估計(jì)跟Jappelli（1990）和Calem美斯特（1995）使用的是相同的程序。我用他們的可以在政府文件中查找的社會(huì)經(jīng)濟(jì)變量，比如財(cái)富，收入，年齡，教育，婚姻狀況，種族，性別，職業(yè)，家庭出身，宗教信仰，教育程度，家庭規(guī)模，家庭和汽車(chē)保有量，住房成本等待。受益于社會(huì)經(jīng)濟(jì)特征的分布，而這不只是手段，我將變量定義在受訪者是否屬于一個(gè)值的范圍。例如，我不將收入作為一個(gè)變量使用，而是作為兩個(gè)范圍之間的一個(gè)指標(biāo)。表2列出了受財(cái)政約束的概率估計(jì)結(jié)果。邏輯估計(jì)預(yù)測(cè)一個(gè)人89的時(shí)間是否收到財(cái)政限制。運(yùn)用大多數(shù)的解釋收入和年齡變量的方差，得出R-平方運(yùn)行從0.096到0.150。我只簡(jiǎn)要地強(qiáng)調(diào)了

32、結(jié)果，有興趣的讀者參考Jappelli（1990）和Calem與美斯特（1995）。表2中的系數(shù)應(yīng)作為“一個(gè)富裕的，受過(guò)教育的，單身高級(jí)男性”的對(duì)比解釋。對(duì)于收入在 15,000 - 45,000美元的人而言，所有的三個(gè)因變量中，受到資金限制的概率是最高的。Elliehausen和勞倫斯（2001）的調(diào)查數(shù)據(jù)發(fā)現(xiàn)，個(gè)人收入在$ 25,000 - $ 50,000范圍內(nèi)的占“發(fā)薪日借款人”一半以上，這表明，我確定了一個(gè)與之相關(guān)的個(gè)人樣本范圍。貸款的制約因素在18和34之間的某個(gè)地方達(dá)到峰值，之后隨著年齡的增長(zhǎng)而普遍減少。此外，非白人與擁有車(chē)輛的人面臨更多的約束。其他的結(jié)果會(huì)因用來(lái)衡量財(cái)政制約的變

33、量的不同而不同。在這些非決定性的結(jié)果中，教育是特別有趣的的變量。當(dāng)加入收入變量是，教育變量具有的解釋力非常??；但除去收入這樣變量，會(huì)發(fā)現(xiàn)，在后期的還款方式規(guī)范中，那些沒(méi)有完成高中教育的人受到的制約會(huì)更多。我利用這些系數(shù)，查找普查數(shù)據(jù)中1762個(gè)加州郵政編碼的線性關(guān)系。換句話說(shuō)，我根據(jù)每一個(gè)郵政編碼的特點(diǎn)，用居民百分比乘以每個(gè)系數(shù)并最后加總。我不但分別研究了三個(gè)衡量受財(cái)政限制的因素，而且還分別分析了1990年，1997年（更新的社會(huì)經(jīng)濟(jì)變量）和2000年這三年的普查數(shù)據(jù)。為了避免時(shí)間差異產(chǎn)生的預(yù)測(cè)誤差，我穿插在幾年之間進(jìn)行研究。由于運(yùn)用每一個(gè)變量分別測(cè)量制約因素中的重要部分可能引起爭(zhēng)議，所以，我

34、想將這些變量形成某種組合進(jìn)行一次性測(cè)量。為簡(jiǎn)單起見(jiàn)，也因?yàn)槲也幌霃?qiáng)加主觀假設(shè)，我會(huì)重新確定預(yù)測(cè)變量的范圍，將每個(gè)變量賦予0.10相等的權(quán)重以便于論述，并對(duì)測(cè)量每個(gè)郵政編碼的三個(gè)變量取取平均數(shù)。為檢測(cè)是否丟失信息，我創(chuàng)建了一個(gè)索引，檢查三個(gè)變量的主成分。第一主成分占據(jù)了三個(gè)變量方差空間的的80（特征值為2.4）。因子載荷重量幾乎等于整個(gè)三個(gè)變量，并且這些因素的得分與我設(shè)定的平等加權(quán)指數(shù)的相似度超過(guò)0.95。 運(yùn)用手中的傾向分?jǐn)?shù)，我將那些遭受災(zāi)害和未遭受災(zāi)害的社區(qū)區(qū)分為兩個(gè)池進(jìn)行近鄰比對(duì)，在允許更換的共同支持下，比對(duì)他們是更接近貸款人還是非貸款人。因?yàn)槲业闹冠H和犯罪數(shù)據(jù)不能全面覆蓋所有郵政編碼和年

35、份，所以觀察的數(shù)量和匹配樣品是不一樣的。我所選擇的方法指導(dǎo)我應(yīng)該一次性做一個(gè)4路匹配（遭受災(zāi)難/非遭受災(zāi)難和貸款人/非貸款人）。然而，我遭受災(zāi)害的樣本池比非遭受災(zāi)害的樣本池校，所以我不太可能建立一個(gè)雙向匹配的偏差?？傮w而言，我在遭受災(zāi)害的觀察樣本（在一季度的水平）中選取了899個(gè)郵政編碼進(jìn)行贖匹配，在遭受災(zāi)害觀察樣本（在一年的水平）中選取了492 郵政代碼進(jìn)行犯罪匹配的意見(jiàn)。當(dāng)對(duì)照組觀察值重復(fù)選擇時(shí)，我相應(yīng)的賦予以下四個(gè)組值都具有同等得權(quán)重：非遭災(zāi)/非貸款人社區(qū)，非遭災(zāi)/貸款人社區(qū)，遭害/非貸款人社區(qū)，遭災(zāi)/貸款人社區(qū)。我運(yùn)行一個(gè)卡方檢驗(yàn)，將居民的信貸約束平均傾向于四個(gè)社區(qū)。 0.438的邦弗

36、朗尼調(diào)整p值運(yùn)行不拒絕，表明都是一樣的。4數(shù)據(jù)和匯總統(tǒng)計(jì)我把分析限定在加利福尼亞州,利用過(guò)去一段時(shí)間超過(guò)發(fā)薪日貸款人的位置和福利變量的微觀數(shù)據(jù),并把分析隔離在一個(gè)單一的監(jiān)管環(huán)境。我剔除大的市縣，把重點(diǎn)放在跨越郵政編碼線不作為日常業(yè)務(wù)的地區(qū)，和在我的犯罪數(shù)據(jù)更精確的（如下所述）的地方進(jìn)行。特別是，我剔除了人口超過(guò)80萬(wàn)人的11家大型citycounties（共58），等于或大于舊金山人口的所有縣。分析的時(shí)間段是1996-2002年。4.1福利變量止贖作為一種福利措施，當(dāng)公民的房屋被取消贖回權(quán)的時(shí)候,它必須是公共事業(yè)的底線。誠(chéng)然，有自己的房子抵債在某些情況下可以是有效的，即使考慮到大的交易成本。一

37、般的規(guī)則是，止贖是低效的，如果房主的收入現(xiàn)值是足以應(yīng)付目前的消費(fèi)現(xiàn)值，包括住房消費(fèi)，但房主缺乏獲得信貸使用未來(lái)收入作為抵押的平穩(wěn)消費(fèi)。在我的經(jīng)驗(yàn)設(shè)計(jì)中，匹配的三重差異減去了類(lèi)似的社區(qū)（非災(zāi)區(qū)）的一般模式和強(qiáng)制止贖的災(zāi)害影響(災(zāi)區(qū)和非貸款區(qū))，從而隔離唯一的金融強(qiáng)制性止贖。 我用的因變量是從1996年至2002年期間郵政編碼下由加州房地產(chǎn)經(jīng)紀(jì)人協(xié)會(huì)和蘭德公司統(tǒng)計(jì)的季度住宅止贖.按我的方法，我的工作是止贖率, 從政府獲得的全部郵政編碼社會(huì)的總?cè)藬?shù)中業(yè)主自用住房止贖。表1報(bào)告，在估計(jì)使用匹配的樣本，取消抵押品贖回權(quán)的范圍從零到59每季度郵政編碼，平均10.9（6）（中位數(shù)）。就利率來(lái)說(shuō)，這意味著平均

38、每千名業(yè)主自用的房屋有3.0單位的止贖。 我衡量福利的第二種方式是小財(cái)產(chǎn)犯罪。加州犯罪數(shù)據(jù)是加利福尼亞州刑事司法統(tǒng)計(jì)中心通過(guò)RAND統(tǒng)計(jì)1996至2002年的每個(gè)民警管轄。由于警方的管轄權(quán)可能是一個(gè)縣，市，鎮(zhèn)，或地方當(dāng)局（例如，一所大學(xué)或鐵路警察部隊(duì)），我需要以一種有意義的方式分配犯罪。我手動(dòng)確定由警察管轄范圍涵蓋所有郵政編碼和分配內(nèi)覆蓋的郵政編碼人口比重的罪行。我然后聚集橫跨所有警察部隊(duì)的郵政編碼的犯罪。這種方法是不完美的。最大的偏差將在洛杉磯，因?yàn)槲腋鶕?jù)人口分配所有在洛杉磯縣和在洛杉磯郵政編碼被市警察部隊(duì)逮捕的犯罪，加強(qiáng)了剔出這些大城市縣的需要。問(wèn)題最不嚴(yán)重的是小城鎮(zhèn)，當(dāng)?shù)鼐觳筷?duì)很好地定

39、義在郵政編碼內(nèi)。 其中可能的犯罪的措施，我專(zhuān)注于小的財(cái)產(chǎn)犯罪,盜竊罪（非有力盜竊的，例如店鋪盜竊），偷車(chē)及爆竊案。我專(zhuān)注于這些罪行，因?yàn)樗麄兪欠潜┝?，緩解?cái)務(wù)困境和犯罪行為之間的聯(lián)系是最直接的。由于犯罪的力度是根據(jù)量刑標(biāo)準(zhǔn)，從盜竊偷車(chē)爆竊單調(diào)遞增，我可以學(xué)習(xí)到個(gè)人可以什么程度上用犯罪以緩解財(cái)務(wù)困境。表1報(bào)告的盜竊罪，偷車(chē)及爆竊案的平均數(shù)分別為672，145和232每郵政編碼。在這種估算中，我通過(guò)家庭單位正?；鼈?4.2發(fā)薪日貸款機(jī)構(gòu)和交叉口數(shù)據(jù)1996年加州參議院法案規(guī)定發(fā)薪日貸款合法化，并規(guī)定了在加州授權(quán)的公司的授權(quán)和監(jiān)管。該署有每個(gè)發(fā)薪商店的許可證數(shù)據(jù)，與原來(lái)的牌照日期和停牌日期，如果適

40、當(dāng)?shù)脑?，為每個(gè)活動(dòng)和非活動(dòng)的貸款人。這些數(shù)據(jù)的一個(gè)需要注意的是，發(fā)薪商店在一定期限內(nèi)在兩個(gè)貸款類(lèi)別中列出：加利福尼亞州的金融貸款機(jī)構(gòu)和消費(fèi)信貸的貸款人。我過(guò)濾掉保險(xiǎn)公司，汽車(chē)貸款公司和不動(dòng)產(chǎn)貸款。我無(wú)法完全區(qū)分檢查收銀員許可證被借給只有標(biāo)題貸款或不發(fā)薪的小額消費(fèi)貸款。然而，根據(jù)我的計(jì)算,在2002年,有2160個(gè)發(fā)薪商店，或一個(gè)州每16000人有1個(gè)貸方。這個(gè)數(shù)字幾乎完全與被tegman和 Faris（2003）引用的加利福尼亞數(shù)據(jù)以及Graves和Peterson（2005）從律政司取得的數(shù)據(jù)是一致的。值得注意的是,2002到2005年發(fā)薪日貸款在加利福尼亞的數(shù)據(jù)大幅度增加.根據(jù)發(fā)薪日貸款人

41、的地址，我利用地理信息系統(tǒng)軟件（ArcView）繪制地址的經(jīng)度和緯度坐標(biāo)，然后從政府郵政編碼覆蓋映射數(shù)據(jù)。表1介紹了社區(qū)級(jí)的發(fā)薪日貸款匯總統(tǒng)計(jì)。平均數(shù)和中位數(shù)的郵政編碼有1.9和1個(gè)發(fā)薪日貸款.設(shè)計(jì)在是/否的問(wèn)題，是否有任何發(fā)薪日貸款，相當(dāng)于以高于或低于中位數(shù)的郵政編碼社區(qū)的基礎(chǔ)上完成的.圖1描述2002年發(fā)薪日地點(diǎn)映射郵政編碼，連同社區(qū)從3.3節(jié)限制信貸的傾向。郵政編碼點(diǎn)越大，貸款密度越大。最小尺寸圓點(diǎn)表示在郵政編碼內(nèi)沒(méi)有貸款包括所有的角度。郵政編碼陰影反映的信貸約束的傾向;傾向越高的信用約束，顏色越深。我指出發(fā)薪日貸款的交叉口郵政編碼計(jì)數(shù)的位置。我從加州運(yùn)輸部獲得2006年的詳細(xì)道路數(shù)據(jù)，

42、并計(jì)算節(jié)點(diǎn)在地理信息系統(tǒng)，地面道路相交的路口密度。高速公路或住宅區(qū)街道的地面道路是有區(qū)別的。對(duì)于國(guó)家指定的農(nóng)村地區(qū)，我允許高速公路要考慮地面道路，因?yàn)殡娮由虅?wù)常常在非市區(qū)中心的高速公路出入口。平均數(shù)和中位數(shù)是74.8和55。 其他統(tǒng)計(jì)資料表1中的數(shù)據(jù)，B組共變數(shù)。郵政編碼水平的地理變量說(shuō)明在這個(gè)表中.4.3自然災(zāi)害數(shù)據(jù) 自然災(zāi)害的數(shù)據(jù)來(lái)自南卡羅來(lái)納州大學(xué)的Sheldus危害數(shù)據(jù)庫(kù)，提供了位置（縣），類(lèi)型（洪水，wild.re等），以及自然災(zāi)害的財(cái)產(chǎn)損失幅度。雖然災(zāi)害觀測(cè)是縣級(jí)，危害數(shù)據(jù)庫(kù)中的注釋字段包含更詳細(xì)的位置信息，最經(jīng)常的形式是查明受災(zāi)地區(qū)的城市名稱(chēng)或NOAA（國(guó)家海洋和大氣管理局）代碼

43、。對(duì)于每一行的項(xiàng)目，我手動(dòng)歸納災(zāi)害提供的最小面積，然后用地理信息系統(tǒng)方案覆蓋災(zāi)害郵政編碼歸屬。危害數(shù)據(jù)庫(kù)包含了所有的自然災(zāi)害，在一個(gè)縣造成超過(guò)50,000美元的財(cái)產(chǎn)損害。因?yàn)楸疚牡闹攸c(diǎn)是止贖，我關(guān)心保險(xiǎn)的作用，特別是如果保險(xiǎn)舉行差異性跨人口統(tǒng)計(jì)。因此，不是試圖控制可能的保險(xiǎn)支付，我把重心放在保險(xiǎn)可能最少覆蓋的災(zāi)難上，尤其是從我的樣本上消除地震，風(fēng)災(zāi)和龍卷風(fēng)災(zāi)害。一個(gè)補(bǔ)充的福利是，這些災(zāi)害是最有可能援引州或聯(lián)邦的一攬子援助。表1，B組包含災(zāi)害統(tǒng)計(jì)的突破,1996-2002年的樣本期間的災(zāi)害類(lèi)型。我匯總子類(lèi)別（例如，進(jìn)入風(fēng)暴冰雹）提出這些一般統(tǒng)計(jì)數(shù)據(jù)。洪水和泥石流災(zāi)害的人數(shù)最多（137宗）和社區(qū)的

44、影響（2,175）。82個(gè)暴風(fēng)雨占1381郵政編碼觀測(cè)。最后，59野火造成701郵政編碼社區(qū)的損害。不出意外，造成財(cái)產(chǎn)損失（每事件）野火和洪水比風(fēng)暴高出許多。因?yàn)橹冠H和犯罪數(shù)據(jù)不包括所有郵政編碼，這個(gè)估計(jì)只用了這些災(zāi)害的一個(gè)子集。5贖結(jié)果 表3和表4給出了匹配的樣本贖結(jié)果。因變量是郵政編碼的季度止贖率的變化，其中變化的平均止贖率定義在4至7的區(qū)間，這一區(qū)間是用在災(zāi)難發(fā)生后的平均止贖率（匹配組對(duì)齊）減去在災(zāi)難發(fā)生4個(gè)月前的平均止贖率得來(lái)的。我將發(fā)布期延后3個(gè)季度，以使加利福尼亞州的平均時(shí)間匹配在贖的高峰值。貝特朗，迪弗洛，Mullainathan（2004）強(qiáng)調(diào)，可以為郵政編碼設(shè)置一個(gè)單一的倒塌

45、觀察，以降低序列相關(guān)問(wèn)題差異性。 自變量是那些由方程（7），加上郵政編碼中房?jī)r(jià)級(jí)差（季度平均值）的變化，變化的薪金（年度），以及機(jī)構(gòu)單位數(shù)目（年度）的變化。序列2和4包含與災(zāi)害相互作用的協(xié)變量，以消除自然災(zāi)害任何影響社會(huì)的彈性因素。列1和2的估計(jì)使用的是約束最小二乘穩(wěn)健標(biāo)準(zhǔn)誤差和年虛擬變量。下表顯示該變量是等于符號(hào)（C 1）和（C 2），分別在第一個(gè)限制條件和第二個(gè)限制條件下。第一個(gè)約束使得的系數(shù)（2）等于（1 -）*Disaster的系數(shù)。這個(gè)系數(shù)被解釋為financial distress 對(duì)foreclosure rate changes 的影響。第二個(gè)約束使得*Lender的系數(shù)（3）

46、等于（1 -）* Disaster*Lender的系數(shù)。這個(gè)系數(shù)體現(xiàn)了兩種類(lèi)型的貸款人的財(cái)務(wù)困境的相互作用，進(jìn)一步解釋為財(cái)務(wù)困境對(duì)貸款人有權(quán)進(jìn)入的社區(qū)的抵押率變化的額外影響。列1和2表明，財(cái)務(wù)危機(jī)，由行一（）和行四（1 -）*Disaster）的系數(shù)體現(xiàn)，正如預(yù)期的，對(duì)喪失抵押品贖回權(quán)具有強(qiáng)烈的正面影響。然而，貸款人權(quán)利（行2和行5）減輕了這種沖擊。利率模型中的主要系數(shù)的差異在第一列和第二列之間相差不多，這表明列1的估計(jì)值不僅是確認(rèn)遺漏的彈性變量。在解釋這些系數(shù)之前，我在一個(gè)無(wú)約束的框架下重復(fù)了1和2的估計(jì)值，只使用一個(gè)OLS difference-in-differences 方法（技術(shù)上，

47、由于因變量在變化，它是一個(gè)三差分），在列3和列4。我沒(méi)有限制我的估計(jì)值，為了確保我正在辨別XX自然實(shí)驗(yàn)的災(zāi)難，而不是居民對(duì)于財(cái)務(wù)約束的傾向性。從列3和4，1和2來(lái)看，自然災(zāi)害的影響對(duì)個(gè)人福利的影響是非常相似的。因此，主要的結(jié)果是穩(wěn)健地放寬約束以使得所有形式的壓力相等地影響到抵押品贖回權(quán)（foreclosure）。因?yàn)榱?和4比第1，2列更直接更保守，所以我從第4列來(lái)理解經(jīng)濟(jì)規(guī)模。Pre-disaster意味抵押品贖回權(quán)的數(shù)量為3.2每季度和每1000名業(yè)主自用住房。災(zāi)難的約束系數(shù)是1 : 6，這意味著一個(gè)災(zāi)難或其他困境的原因?qū)⒃斐深~外的1：6的喪失抵押權(quán)的房屋每1000家，增加百分之50。當(dāng)個(gè)

48、人獲得貸款，所有除了喪失抵押品贖回權(quán)0.3的增加都得到緩解。融資似乎減輕了1.3喪失抵押品贖回權(quán)每1000家。相關(guān)變量的系數(shù)是符合預(yù)期的。隨著房?jī)r(jià)增長(zhǎng)，喪失抵押品贖回權(quán)將如預(yù)期經(jīng)歷較低的增長(zhǎng)。這種效果在自然災(zāi)害期間被消除掉。更多的工資總額也與較少的喪失抵押品贖回權(quán)聯(lián)系在一起，效果不受災(zāi)害影響。在更多的商業(yè)社會(huì)中，衡量企業(yè)的變化，增加了喪失抵押品贖回權(quán)的成長(zhǎng)。然而，如果社區(qū)抵御災(zāi)害，他們不會(huì)失去企業(yè)，他們將經(jīng)歷喪失抵押品贖回權(quán)的低增長(zhǎng)。我現(xiàn)在做的IV的結(jié)果。確保我能證明貸款人和取消抵押品贖回權(quán)之間的一個(gè)因果關(guān)系，表4列出了我采用交叉項(xiàng)工具所產(chǎn)生的結(jié)果。我對(duì)這些工具的變量用了控制函數(shù)方法，在這些變

49、量中第一階段的殘差被包含在了第二階段。我這樣做是因?yàn)椋ぞ撸╥nstrument）和災(zāi)難（Disaster）的交互需求創(chuàng)造了非線性關(guān)系使得工具（instrument）進(jìn)入第二階段。伍德里奇（2001）表明，控制函數(shù)方法在這些條件下是更好的。 右邊的表4顯示了第一階段回歸，利用交叉項(xiàng)作為工具。我把地區(qū)作為相關(guān)變量包含在了兩個(gè)階段里來(lái)引起地區(qū)郵編的大小差異。交叉項(xiàng)在預(yù)測(cè)是否一個(gè)貸款人所在位置時(shí)，在1%水平上是顯著的。除了房?jī)r(jià)，所有的變量都是顯著的。越多的工資總額增長(zhǎng)，更多的企業(yè)增長(zhǎng)和越低的區(qū)域預(yù)測(cè)的位置，貸款人。第一階段的F -統(tǒng)計(jì)量是31.64，超過(guò)了工具（instrument）相關(guān)的臨界值。我

50、從工具（instrument）對(duì)于貸款人（Lender）的回歸得到了這個(gè)可預(yù)測(cè)的概率。通過(guò)對(duì)第一階段的500次剝離和使用在500個(gè)新的第二階段估計(jì)值中500種不同的IV_Lender預(yù)測(cè)值，我修正了已產(chǎn)生的回歸元的第二階段的殘差。如果IV_Lender 不是一個(gè)產(chǎn)生的回歸元（Petrin and Train,2001），我會(huì)把500個(gè)新系數(shù)估計(jì)值的方差加到從第二階段估值來(lái)的參數(shù)的穩(wěn)健方差上。第二階段估計(jì)使用了OLS（最小二乘法）作為一個(gè)三差分在表3的第4列。為簡(jiǎn)單起見(jiàn)，我不顯示所有的相關(guān)變量系數(shù)；他們跟表3第4列非常的相似。也許IV specification導(dǎo)致的最重要的變化，是這些主要變量

51、（Disaster; Lender; Disaster和Lender交叉項(xiàng)）的估計(jì)值都變大了。在一定程度上，這是技術(shù)性地。初始變量Lender是一個(gè)均值和標(biāo)準(zhǔn)差都等于0.5的虛擬變量。IV _Lender是一個(gè)有相同均值，但標(biāo)準(zhǔn)差等于0.5的連續(xù)變量。因此，Lender 和 Disaster*Lender的相關(guān)系數(shù)可能僅僅反映的是緊繞著均值的偏差。IV _Lender * Disaster的關(guān)鍵系數(shù)估計(jì)值是-3.09。雖然從第一步誤差bootstrapping過(guò)程，該變量參數(shù)的顯著性就在下降，但結(jié)果仍然是具有解釋力的。比較表3和表4的結(jié)果，我認(rèn)為有兩個(gè)標(biāo)準(zhǔn)偏差的情況趨向于社區(qū)中有一個(gè)貸款人的現(xiàn)

52、狀（這是和表3中從沒(méi)有l(wèi)ender到有一個(gè)lender，在標(biāo)準(zhǔn)差方面的一個(gè)比較）。當(dāng)自然災(zāi)害發(fā)生時(shí)，一個(gè)擁有一名移民借款人的two standard deviation higher贖回可能性將減少0.4 * -3.09，等于1.23。這些結(jié)果和表3中的結(jié)果十分相似：在1000人的社區(qū)的distress時(shí)，一個(gè)lender的存在將減輕1.23的贖回。直觀地說(shuō)，一旦應(yīng)用了IV，我發(fā)現(xiàn)災(zāi)害造成的贖回增加了72%（= 2.3 / 3.2）。同時(shí)由于外生引致的財(cái)務(wù)困境導(dǎo)致的贖回增加，貸款人減少了一半多一點(diǎn)（56%）。關(guān)于穩(wěn)健性，我考慮的是payday lenders的目標(biāo)是軍事基地。（聯(lián)邦政府于200

53、6年規(guī)定向軍事人員貸款是非法的）因?yàn)榧永Ｄ醽営性S多軍事基地，以及軍事人員可能不遵守贖回的一般規(guī)定，所以可能我可能發(fā)現(xiàn)了一種軍事效應(yīng)。我所得到的結(jié)果的解釋是，貸款人社區(qū)附近有軍事基地的現(xiàn)象普遍存在于受災(zāi)地區(qū)，而貸款人社區(qū)附近沒(méi)有軍事基地的現(xiàn)象普遍存在于不受災(zāi)地區(qū)，反之亦然。而且，我在所有的軍事社區(qū)進(jìn)行了重新測(cè)試，從某種程度上來(lái)說(shuō)這是真的。我以是否存在軍事銀行或ATM機(jī)的郵政編碼來(lái)衡量一個(gè)軍事社區(qū)。軍事銀行和ATM機(jī)的位置來(lái)自Army Bank, Navy Bank, Air Force Bank and Bank of America Military Bank這些網(wǎng)頁(yè)。在重新測(cè)試的結(jié)果和我之

54、前的贖回測(cè)試結(jié)果并沒(méi)有變化。6小產(chǎn)權(quán)犯罪結(jié)果表5的報(bào)告結(jié)果指出了三個(gè)小產(chǎn)權(quán)犯罪變量：盜竊，車(chē)內(nèi)盜竊及爆竊。因變量是每年在每戶(hù)的犯罪變化，這種變化是用發(fā)生災(zāi)難這一年的平均罪率（比賽組對(duì)齊）減去發(fā)生災(zāi)難前一年的平均止贖率所得到的。相同的彈性變項(xiàng)也包含在內(nèi)，有機(jī)構(gòu)和社區(qū)人均工資（但不包括房?jī)r(jià)）以及暴力犯罪。所有協(xié)變量都與災(zāi)害指標(biāo)相互作用。列1-3使用的是估計(jì)約束最小二乘數(shù)，結(jié)合穩(wěn)健標(biāo)準(zhǔn)誤差和今年假設(shè)。該表顯示哪些變量被限制在的贖估計(jì)，并且與（C1）和（C2）符號(hào)相等。列4-6，在簡(jiǎn)單的牛肚差異規(guī)范的基礎(chǔ)上，進(jìn)行三個(gè)因變量的重復(fù)估計(jì)。一個(gè)引人注目的事實(shí)是，自然災(zāi)害不會(huì)影響車(chē)輛的盜竊或爆竊。更嚴(yán)重是財(cái)產(chǎn)

55、犯罪，這些反映領(lǐng)土或企業(yè)導(dǎo)向的犯罪行動(dòng)更有組織性。然而，我發(fā)現(xiàn)，自然災(zāi)害的影響，使統(tǒng)計(jì)的盜竊罪統(tǒng)計(jì)顯著增加11.20個(gè)點(diǎn)。將這一結(jié)果放置在這樣的背景下，同比增長(zhǎng)11.20的家庭盜竊罪意味著平均每1000戶(hù)就發(fā)生了68 盜竊罪，增長(zhǎng)了18。研究發(fā)現(xiàn)，當(dāng)個(gè)人獲得貸款，伴隨著自然災(zāi)害發(fā)生后的所有盜竊的增長(zhǎng)將得到緩解。值得注意的是，在盜竊群體中，社區(qū)貸款利潤(rùn)有一個(gè)達(dá)到9.98的陡峭增長(zhǎng)。在跟第4欄不受約束的三重差異規(guī)范的結(jié)果非常相似。協(xié)方差結(jié)果看上去也很有趣。正如預(yù)期的那樣，暴力犯罪的變化解釋了非暴力的小財(cái)產(chǎn)犯罪變化的變化。災(zāi)害增加了暴力和小財(cái)產(chǎn)犯罪之間的關(guān)系強(qiáng)度，使它們之間的靈敏度幾乎翻了一倍。唯一

56、重要的其他協(xié)變量是，災(zāi)難發(fā)生后盜竊和偷車(chē)犯罪人群工資的變化，但在贖結(jié)果中，災(zāi)害不影響這種變量的敏感性。表6報(bào)告犯罪結(jié)果的工具變量規(guī)范，注重三差規(guī)格并盡量減少各因素之間的相互作用。一次汽車(chē)偷盜行為沒(méi)有影響的自然災(zāi)害或獲得信貸。我發(fā)現(xiàn)，獲得信貸的可以減輕財(cái)務(wù)困境帶來(lái)的影響。表5中顯示，系數(shù)的大小對(duì)四_lender *災(zāi)害與平行（4）的影響是非常相似的。四_lender是一個(gè)連續(xù)變量，然而，為了取消抵押品贖回權(quán)的結(jié)果，我調(diào)整解釋的事實(shí)，以求得更嚴(yán)格的標(biāo)準(zhǔn)偏差。由此產(chǎn)生的四級(jí)如下：自然災(zāi)害造成盜竊增加8.766或13%（= 8.766 / 68），和貸款人減輕2.67（= 13.36 * 0.2）犯罪或30%增加以下盜竊引起的金融困境。這一結(jié)果是重要的，但只有10%的置信水平。由于額外的差額產(chǎn)生的回歸，捕捉到引導(dǎo)標(biāo)準(zhǔn)誤差。也許最有趣的一系列犯罪的結(jié)果是，金融危機(jī)和效益。從獲得的信貸問(wèn)題只有最小的財(cái)產(chǎn)犯罪，在連接之間需要現(xiàn)金和刑事行動(dòng)無(wú)疑是最直接的。7結(jié)論借助在三重差異框架工作中的自然災(zāi)害外源性休克，